类神经网路於服务品质衡量模式之构建.docx

類神經網路於服務品質衡量模式之構建以電信業為例1類神經網路於服務品質衡量模式之構建以電信業為例An Application of Artificial Neural Network for Constructing Service Quality Evaluation ModelTelecommunication Industry杜壯*郭人介吳永宏Chuang Tu*R. J. KuoYung-Hung wu國立臺北科技大學工業工程系摘要我國經濟發展之趨勢，已經由製造業轉向服務業，服務業就業人口也呈穩定成長之現象。加入世界貿易組織（WTO）之後，服務業必將面臨激烈之競爭，服務品質將成為企業經營成功的主要關鍵所在。但是，過去服務業所得到的服務品質構面，未必適用於現今的產業環境。再者，Schaffer and Green指出對變數作因素分析，可能會扭曲資料的原始型態。本研究以不經因素分析及經過因素分析後萃取之構面，分別利用統計和類神經網路方法來探討。結果發現，不經過原始問項配合一般迴歸神經網路的效果較佳，所以便以此為模式架構，針對四家電信業者之服務品質進行調查，並分別提出建議以供參考。關鍵詞：服務品質統計方法類神經網路電信業。投稿受理時間：91年3月17日審查通過時間：91年5月10日ABSTRACTService quality is the key factor for the successful corporate. However, some issues about the development of service quality evaluation model still should be concerned. According to Schaffer and Green research, they pointed out that it may reverse the original pattern from adopting factor analysis, and it is not necessary that the results from factor analysis on the original pattern are gained. Thus, the statistical method and the neural network method on original dimensions without factor analysis and on service quality dimensions with factor analysis are employed in this study. The computational results showed that GRNN（General Regression Neural Network） with the original dimensions has the better learning effects.2Keywords : Service Quality, Statistical Method, Neural Network, Telecommunication Industry.158壹、緒論一、研究背景與動機根據國內學者翁崇雄（1996）指出，企業成功的主要關鍵在於服務品質，不過，以服務品質評估模式的發展來看，仍有其必須注意的問題。首先，必須瞭解是否能將傳統服務業所得到的構面，用於現今的資訊產業環境。再者，以往所採用的方法是以皮爾遜相關、變異數分析、卡方檢定、因素分析及迴歸分析等統計方法進行資料分析工作。然而，以統計方法進行分析未必是最好的方式，且根據學者Schaffer and Green（1998）指出對變數作因數分析可能會扭曲資料的原始型態，沒有經過因素分析縮減變數的步驟，在原始構面上所得到的結果未必不佳。因此，本研究將嘗試將資料分為原始資料與未經因素分析後的資料，分別利用統計方法和類神經網路方法來加以探討，並期望能構建較適合的服務品質評估模式。二、研究目的本研究主要目的，在於探討國內行動通信業服務品質衡量模式的建構，並重新思考Parasuraman et al.（1985,1988）所提出的服務品質評估模式，利用統計方法及類神經網路方法比較分析以期達到以下目的：(一)瞭解行動通信用戶，對各行動通信業服務績效之認知水準。(二)探討變項經過因素分析後之服務品質評估模式是否較佳。(三)建立行動通信服務品質評估模式。三、研究步驟與流程本研究的內容主要可分為兩部份，一為服務品質評估構面之驗證與建構；另一為服務品質衡量模式之評估與構建，如圖一所示。貳、文獻探討一、服務品質服務品質是一種概念，也是一種讓人難以理解的概念，因為其具有：無形性、同時性、變異性及易滅性，使得服務品質不易清楚的界定和控制，本研究將各學者對服務品質之看法彙整後，認為服務品質是消費者對一產品或服務主觀的知覺，其品質是發生在相對的比較上。Parasurama、Zeithamel、和Berry三人提出的SERVQUAL量表雖然被學者廣泛運用於各服務業，但其也有來自不同方面的批評，若依據學者的實證，顯示了服務品質構面會依據服務形態的不同和社會經濟型態的轉變而有所變化。所以，本研究以為應依服務形態的不同並參考Parasuraman et al.的十個構面進行發展評估項目，並重新修正服務品質構面。3YN文獻蒐集及探討問卷發放、回收與整理因素分析建立服務品質評估模式萃取服務品質構面結論與建議選定研究主題設計分析均方差問卷迴歸分析與類神經網路之比較專家訪談服務品質評估構面之驗證與建構服務品質衡量模式之評估與構建圖一 研究步驟與流程圖二、類神經網路類神經網路（Artificial Neural Networks）它是由人類心智和腦部活動所發展出來的一種模型，包括軟體與硬體，其使用大量簡單的相連人工神經元來模仿生物神經網路能力，人工神經元是生物神經元的簡單的運算，並輸出結果到外界環境或其他人工神經元（葉怡成，1995，1999）；其後經多位專家學者的不斷研究開發，至今類神經網路已發展出多種的型態，其可用於推估、預測、決策、診斷。4三、相關文獻彙整自民國87年國內陸續有學者進行行動電信服務品質的相關研究，綜合國內學者所做的研究，可以發現目前對於服務品質研究的內容大都根據Parasuraman et al.三位學者於1988年所提出的服務品質量表（SERVQUAL），五大構面和二十二個問項作為研究架構。利用因素分析萃取服務品質構面，以迴歸分析建立評估法則；但根據學者Carman（1990）、Babakus and Boller（1992）及Croninm and Taylor（1992）的研究SERVQUAL的五大構面並足以代表現今的產業特性。所以，本研究以服務形態的不同並參考PZB(1985)的十個構面進行發展評估項目，並重新修正服務品質問項。再者，根據學者Schaffer and Green（1998）指出對變數作因數分析可能會扭曲資料的原始型態，沒有經過因素分析縮減變數的步驟，在原始構面上所得到的結果未必不佳。因此，本研究以未經因素分析及已經因素分析兩種類型的設計，並運用不同於傳統統計方法的類神經網路，來建立服務品質評估模式。參研究方法本研究主要的研究方法是以驗證學者Schaffer and Green指出，沒有經過因素分析縮減變數的步驟，在原始構面上所得到的結果未必不佳。並利用迴歸分析和類神經網路的比較建立服務品質評估模式，其架構如圖二所示。一、研究設計在問卷設計上，除了蒐集相關文獻探討外並和國內較具規模之行動電信業者包括：中華電信、和信電訊、遠傳電信及台灣大哥大等四家系統業者及其用戶，做深度訪談。藉由專家深度訪談蒐集其意見；針對行動電信服務品質的特性，設計了28個問項以代表學者Parasuraman et al.於1985年所提出的十個構面之要素，並確定本研究問卷架構、內容與要素。（一）因素分析因素分析（factor analysis）是研究一群觀察變數之間的相互關係的一種多變量統計方法。因素與每個觀察變數的相關係數稱為因素負荷量（factor loading），將每個因素負荷量平方後加總，可以得到此因素之特徵值，因素萃取數目之決定標準根據Kaiser（1974）所主張，取特徵值大於1之因素，將其保留。本研究為建立行動電話服務品質的構面及項目，以主成份（principle component）因素分析及最大變異數（varimax）旋轉法，萃取出行動電話服務品質的構面及項目。（二）信度與效度一個良好的衡量工具應該具有足夠的信度（reliability）與效度（validity）。信度是指衡量工具的正確性（accuracy）或精確性（precision）；而所謂效度是指一種衡量工具真正能夠測出所想要衡量之事物的程度（黃俊英，1992）。本研究應用統計軟體SPSS 9.0求取。二、網路分析（一）迴歸分析迴歸分析模式(Regression Model)為計量預測最常見的方法之一，主要是探討兩個或兩個以上變數之間的關係。其原理是找出影響應變數的各種因素（自變數），設計參數（自變數種類和數量），根據所收集之資料建立應變數與自變數間之關係式，再依據最小平方誤差(Least Squares Error Criterion)求取各自變數之迴歸係數，並將自變數未來之估計值帶入迴歸關係式，即可預測其應變數值。5迴歸分析半徑式函數網路倒傳遞網路統計、分析均方差建立服務品質評估模式小大捨棄萃取服務品質構面問卷回收與彙整因素分析一般迴歸神經網路圖二 研究架構圖本研究以案例問卷之28項服務品質滿意度問項為自變數，作為學習及測試的依據，依變數之設計採用問卷整體滿意度。（二）倒傳遞網路倒遞類神經網路（Back-propagation neural network, BPN）屬於監督式學習網路，包含了輸入層 、隱藏層及輸出層，在網路中某一個神經元的的基本架構，每一個神經元的輸出，都乘上其相對應的加權連結值（weights）再加總，此相加的總和稱為神經元的淨輸入，網路中的每一個神經元都必須先產生淨輸入，此淨輸入的值在透過激發函數（activation function）的計算產生輸出訊號。6網路運作方式分為訓練和測試兩個階段，訓練階段網路必須藉由誤差的回饋與連結權重的調整以記憶學習資料，訓練範例必須具有輸入向量及輸出向量，而輸入及輸出向量之間存在著一種對應關係。在測試過程中，輸入向量經由網路的執行便可得到所對應的輸出決策（方劍虹，1999；葉怡成，1999）。（三）一般迴歸神經網路一般迴歸神經網路（General Regression Neural Network, GRNN），是由Dr. Donald Specht（1991）從機率神經網路（Probailistic Neurl Network, PNN）衍生出來的。這種網路的特性是學習速度快，但所須的電腦記憶體較大，且回想速度較慢。其基本原理是由機率模式所啟發的，一群具有M維輸入向量的訓練範例可視為一M維空間中的一群樣本點，一般迴歸神經網路藉這些樣本點來估計一個未知樣本點的函數值（葉怡成，1999）。（四）半徑式函數網路半徑式函數網路（Radial Basis Function Network, RBFN），是結合無監督式學習的自組織映射圖網路及監督式學習的倒傳遞網路。也就是網路的輸入層與隱藏層間使永無監督式學習，而隱藏層與輸出層間則使用監督式學習。本研究為行動通信業的整體滿意度。網路的學習過程可分成二個階段，通常是先執行第一階段直到收斂，或執行到一個固定的學習循環數目，在執行第二階段直到收斂或執行到一個固定的學習循環數目。三、網路參數設計由於，目前國內外並無明確的法則，定義類神經網路參數的設定並規範，方能找到最佳的網路形態，所以本研究以試誤法訂定幾組實驗嘗試找到較佳的參數組合，如表一所示。在訓練上，本研究以500次為一個學習循環，每次循環有385個範例，共訓練192,500次。表一網路參數設計表模式名稱類型學習速率動量係數平滑係數隱藏層節點數迴歸分析倒傳遞神經網路0.2、0.40.6、0.80.2、0.40.6、0.85、14、34、572、3、23、11一般迴歸神經網路1.0、0.5、0.375、0.25、0.1585、0.125281.0、0.5、0.25、0.125、0.0625、0.03125半徑式函數網路Kohonen：0.01、0.025、0.05、0.1Delta：0.1、0.25、0.5、10.0538、39（取訓練範例數目的1/10）四、網路模式設計依據欲探討之研究目的及網路的特性，本研究將其建立兩種類型網路模式。（一）類型原始問項此類型的網路模式，是將問卷之服務品質滿意度原始問項（28個問項）當作網路的輸入變數，經過隱藏層學習後，得到一個輸出變數（整體滿意度）。（二）類型構面問項此類型的網路模式，是將問卷之服務品質滿意度原始問項（28個問項），經過因素分析後萃取出的五個構面當作網路的輸入變數，經過隱藏層學習後，得到一個輸出變數（整體滿意度）。肆實證分析一、資料彙整與分析問卷回收後，經過核對、檢查、剔除無效問卷及編碼後，共回收有效問卷482份，有效回收率為96.4。7（一）因素分析為了確定本研究是否適合進行因素分析，首先進行KMO（Kasier-Meyer-Olkin的取樣適當性量數）計算，當KMO值越大時，表示變項間的共同因素越多，越適合進行因素分析。根據學者Kasier（1974）的說法，若KMO值小於0.5時較不宜進行因素分析，而本研究的KMO值經過計算為0.944，顯示適合進行因素分析。另外，亦可從Bartletts球形檢驗的2值為6933.360（自由度為378）達顯著，也代表母群體的相關矩陣間有共同因素存在，適合進行因素分析。經過KMO及Bartletts球形檢驗後，本研究針對問卷28項服務品質評估項目進行因素分析，在因素分析後萃取特徵值大於1的構面。經由重新整理，茲將電信服務品質衡量構面分為5大構面，並針對特性將構面名稱命名為反應性、可靠性、便利性、顧客導向性及禮貌性，包含28個服務品質評估項目，表二。（二）信度與效度分析本研究行動電信服務品質問卷，在信度上的量測上採用Cronbach（1957）之Alpha係數來計算，依據資料分析之結果，除了量測問卷整體信度外，也個別量測五個主要構面的信度。其各構面信度均大於0.6，整體問卷信度也高達0.9152如表三。根據Cuieford的建議係數大於0.7為很可信，係數大於0.5為可信，表示本研究問卷的衡量項目具有相當的一致性與穩定性。本研究的效度（Validity）衡量，為用於衡量心理量表正確性的三種效度：1.內容效度（Content Validity）本研究評量服務品質的問卷，以PZB所提的理論為基礎，並參考國內外相關文獻及專家訪談，加以歸納整理。故本研究之問卷具有相當程度之內容效度。2.效標關聯效度(Criterion-related Validity)本研究之效標關聯效度採用問卷整體信度的平方根來衡量，得到效度為0.9566，故本研究具有相當的效標關聯效度。8表二構面名稱及項目構面構面名稱項目名稱一反應性Q1 申請受理手續簡便Q7申請管道暢通、良好Q9 維修人員之專業能力足夠Q17服務人員能獲得公司充份授權及時解決顧客之問題Q18對用戶的承諾，均能確實達成Q20辦理異動、終止手續的等候時間不長Q21提供用戶使用手冊，便於查閱Q23提供符合用戶需求的服務時間（如24小時服務）Q24提供適當的技術諮詢及資源二可靠性Q2行動電話的通話品質（如聲音清晰度等）穩定、良好Q3 客服中心具有良好的電話撥通服務率Q8各項帳單處理具正確性及周詳性Q14通訊網路之訊號覆蓋率（如基地台數）能符合用戶需求Q15能完整保存及安全保密用戶資料Q18對用戶的承諾，均能確實達成三便利性Q11各項通信費率合理Q12良好的加值服務（如行動銀行）Q13帳單繳款方式方便、容易（如金融機構轉帳等）Q19擁有現代化的設備來服務用戶（如電腦化、自動化等）四顧客導向性Q6 用戶的問題及抱怨均能圓滿處理Q25能依用戶不同的需求，提供不同的服務（客制化）Q26常有搭配其他產品的促銷活動（如免費手機）Q27服務人員樂於傾聽用戶的意見Q28以用戶的利益為優先五禮貌性Q4 服務人員的態度親切、有禮Q5 服務人員具有足夠的專業知識服務用戶Q10用戶要求之服務，僅需單一窗口Q16服務人員的服裝得體、儀容整齊3.建構效度（Construct Validity）本研究採用因素分析的主成份分析法，得到五個構面，其累積解釋變異量、信度及問卷整體信度均大於0.6，可說明本研究問卷已具有基本的建構效度。二、服務品質績效分析（一）重要程度績效水準分析本研究以學者Martilla and James（1977）二人於1977年所提出的ImportancePerformance為行動電信業服務品質績效分析工具，將個行動電信用戶對服務品質屬性之重視程度當作Importance，對服務品質屬性之滿意程度當作Performance，並繪出行動電信用戶服務品質屬性評估圖如圖三。9由圖三可知，大部分的服務品質屬性落於象限，其代表電信用戶重視程度高、滿意度也高，而和信電訊的問項23及東信電訊的問項17、20、21、23、27、28落於象限，代表電信用戶的重視程度高，但服務績效卻不佳，這也是公司應改善的重點所在。（二）預期服務品質與實際績效分析為了瞭解用戶對於預期品質與實際績效間的關係，對預期服務品質及實際績效做Paired t 檢定。其中，除了問項16服務人員的服裝得體、儀容整齊的實際績效超前預期服務外品質，其他問項的實際績效均落後預期服務，且服務屬性除了問項16及問項21外，其餘的問項p值均小於0.01，表示實際績效落後預期服務品質的現象非常顯著。表三各構面與問卷整體信度構面量 表 構 面 名 稱信度 Cronbach 一反應性0.9152二可靠性0.7413三便利性0.6964四顧客導向性0.6842五禮貌性0.6300問卷整體信度0.9152（三）人口統計變數與滿意度分析本研究為了瞭解人口統計變數，可能會對用戶的滿意度有所影響，將人口統計變數對用戶的滿意度做變異數分析，並進一步對其進行雪費（Scheffe）事後檢定，從中有以下幾項發現：1.電信公司台灣大哥大的用戶在問項4服務人員的態度親切、有禮的滿意度上，明顯大於中華電信及和信電訊的用戶。泛亞電訊和台灣大哥大的用戶在問項22提供符合用戶需求的服務時間（如24小時服務）的滿意度上，大於和信電訊的用戶。泛亞電訊的用戶在問項23服務人員會自動追蹤申訴案件，並主動告之的滿意度上，明顯大於和信電訊和東信電訊的用戶。2.年齡41-50歲的用戶在問項10用戶要求之服務，僅需單一窗口的滿意度上，明顯大於20歲以下及21-30歲的用戶。41-50歲的用戶在問項23服務人員會自動追蹤申訴案件，並主動告之、25能依用戶不同的需求，提供不同的服務、27服務人員樂於傾聽用戶的意見及28以用戶的利益為優先的滿意度上，都明顯大於21-30歲的用戶。3.職業10軍公教用戶在問項10用戶要求之服務，僅需單一窗口的滿意度上，明顯大於學生用戶。學生、商、工及服務業用戶在問項20辦理異動、終止手續的等候時間不長的滿意度上，明顯大於其他類的用戶。4.教育程度高中職及專科用戶在問項13帳單繳款方式方便、容易的滿意度上，明顯大於國中以下的用戶。高中職的用戶在問項28以用戶的利益為優先的滿意度上，大於國中以下的用戶。5.每月平均可支配所得每月平均可支配所得50,000元以上的用戶在問項10用戶要求之服務，僅需單一窗口的滿意度上，明顯大於每月平均可支配所得10,000元以下、10,001-30,000元及40,001-50,000元的用戶。6.每月平均帳單費用每月平均帳單費用200元以下用戶在問項19擁有現代化的設備來服務用戶的滿意度上，明顯大於每月平均帳單費用1,001-2,000元的用戶。圖三重要程度-績效水準各構面與問卷整體信度三、構建服務品質衡量模式本研究在上一章節，以分別針對四種系統模式做各別參數設計及實驗，並從中萃取出一組較佳的參數，並彙整如表四。從表四中，可以發現這四種系統模式類型的均方差明顯比類型小，而且其中又以一般迴歸神經網路的均方差為最小；也就是說在個案中（電信服務品質衡量）以未經因素分析的原始28項服務品質問項，經過一般迴歸神經網路得學習後有較佳的結果。因此，本研究之電信服務品質整體滿意度評估，以一般迴歸神經網路為系統架構主軸，其主要網路參數設計如下所示。（一）輸入節點：28項服務品質問項。（二）輸出節點：整體滿意度。（三）平滑係數：0.25。（四）訓練與測試範例之比例：80：20。11（五）參數組合所預測之MSE0.318834表四各類模式之比較模式名稱類型學習速率動量係數平滑係數隱藏層節點數均方差MSE訓練範例測試範例迴歸分析0.3720.5533450.3740.5762倒傳遞神經網路0.40.6340.0090.3944540.40.8110.3550.470078一般迴歸神經網路0.250280.0150.3188340.125280.3140.556338半徑式函數網路Kohonen：0.01Delta：0.10.05390.0110.384510Kohonen：0.025Delta：0.10.05390.3520.469127圖四一般迴歸神經網路預測值予目標值之關係依據上述參數組合，將目標值與預測值的關係繪製成圖四所示。伍結論與建議管理大師Albrecht（1999）曾經說過高品質服務導向是一個威力強大的競爭武器，很快會被視為經營策略中不可或缺的部份，而非只是一種裝飾。服務品質現在已成為高階層的議題。Gates（1998）也說過八年代的主題是品質（Quality），九年代是企業再造（Reengineering），那麼公元兩千年後的關鍵便是速度（Speed）。可見，企業成功的關鍵將是高品質的服務和快速的回應能力，而要有快速的回應達到資訊和行動沒有差距。因此，本研究將服務品質評估模式人工智慧結合，讓企業能快速的了解消費者的服務需求。12一、結論本研究在國內行動通信業服務品質衡量模式的建構上，依據Parasuraman et al（1985,1988）所提出的服務品質評估模式為基礎，利用統計方法及類神經網路方法加以比較、分析，並得到以下四項結論：（一）行動通信業服務績效之認知水準從行動電信服務品質屬性評估圖中，可以發現目前國內行動電信業的服務品質屬性，除了和信電訊的服務品質問項23及東信電信的服務品質問項17、問項20、問項21、問項23、問項27、問項28落於象限，代表電信用戶的重視程度高，但服務績效卻不佳，其他大部分服務屬性均為行動電信用戶所接受。在對預期服務品質及實際績效做Paired t 檢定中，除了問項16的實際績效超前預期服務外品質，其他問項的實際績效均落後預期服務，表示實際績效落後預期服務品質的現象非常顯著。（二）未經因素分析之原始問項均方差較小在個案研究分析上，可以發現不論是應用迴歸分析、類神經網路分析，其模式（未經因素分析）有較小的均方差；也就是說，用原始問項去做整體服務品質評估，比經過因素分析後之五個服務品質構面去做整體服務品質評估有較佳的評估結果。（三）建立行動電信服務品質衡量模式本研究在建立行動電信服務品質衡量模式上，以統計方法的迴歸分析和類神經網路方法分析、比較後發現，以一般迴歸神經網路有較小的均方差；其原因是在於神經網路具備學習的能力，可以將知識累積並且運用在新的情況預測上。二、建議本研究依據研究結果對行動電信業提出建議，並針對後續研究提供可以探討的研究方向。（一）行動電信業之建議行動電信的競爭以日益白熱化，如何掌握用戶的需求將是企業成功的重要因素，為了瞭解電信用戶對於預期品質與實際績效間的關係，本研究對預期服務品質及實際績效做Paired t 檢定，從中發現除了問項16的實際績效超前預期服務外品質，其他問項的實際績效均落後預期服務。因此，各行動電信業仍有很大的改善空間。另外從行動電信業對用戶的滿意度做變異數分析，及進一步對其進行雪費（Scheffe）事後檢定，發現到以下幾項結果，本研究並嘗試提出建議。1.中華電信在服務品質問項4的滿意度上，明顯落後於台灣大哥大。所以，中華電信應持續加強服務人員的再教育，讓員工瞭解顧客的重要及其所創造的價值。2.和信電訊在服務品質問項4的滿意度上，明顯落後於台灣大哥大。在服務品質問項問項22的滿意度上，明顯落後於泛亞電信與台灣大哥大。在問項23的滿意度上，明顯落後於泛亞電信。所以，和信電信除了加強服務人員在教育外，也要隨時瞭解用戶的需求，並且主動追蹤用戶的申訴案件，及時作好顧客抱怨處理與回應。3.東信電訊在問項23的滿意度上，明顯落後於泛亞電信。因此，東信電訊應該加強主動瞭解、追蹤用戶的申訴案件，並且授權給服務人員及時作好申訴處理，讓用戶有被公司有重視的感覺，以提昇用戶滿意度。（二）後續研究之建議本研究在各項研究方法的探討上，雖力求嚴謹、完整，但限於時間、人力及物力上，仍有許多不足和疏漏之處。因此，對於後續之研究探討有以下幾項建議。1.類神經網路方面由於在類神經網路參數的取決上，到目前依然沒有定論。希望相關學者以後能發展出一套取決標準，以增加類神經網路的準確性。2.系統更新方面13類神經網路是利用其學習能力和知識累積，來做最適當的判斷，所以系統應該每間隔一段時，就加入新的學習範例，讓衡量結果更加準確。3.評估模式方面在系統服務品質評估模式的選取上，本研究僅以迴歸分析、倒傳遞網路及一般迴歸神經網路做分析比較，可能會有不周延之處，亦期望後續能加入其他方法比較。4.問卷設計方面本研究在做問卷設計時，僅以李克特的五尺度來做量化的依據。然而，每位受訪者對問項可能有不同的感受，所以建議後續研究可以將問卷設計為模糊問卷，以衡量每位受訪者感受程度。參考文獻1 方劍虹，服務業顧客履約率預測模式建立之研究，碩士論文，元智大學工業工程研究所（1999）。2 黃俊英，行銷研究，四版，華泰書局，台北（1992）。3 翁崇雄，評量服務整性品質之觀念模式之建構，品質學報，第三卷，第一期，19-38（1996）。4 葉怡成，應用類神經網路，儒林圖書有限公司，（1995）。5 葉怡成，類神經網路應用與實作，儒林圖書有限公司，（1999）。6 樂為良譯，比爾蓋茲著，數位神經系統，商周出版，台北（1999）。7 魏謄蛟譯，阿爾不萊特、詹克合著，服務管理，長河出版社，台北（1998）。8 Babakus, E. and Gregory W. Boller. “An Empirical Assessment of the SERVQUAL Scale”, Journal of Business Research, Vo1. 24, No.3,（1992）. 149 Carman, M., “Consumer Perceptions of Service Quality: An Assessment of the SERVQUAL Dimensions,” Journal of Retailing Vol. 66, No.1, 35-55,（1990）.10 Cronbach, L.J., “Coefficient Alpha and the Internal Structure of Test”, Psychomrtrika, vol.16, 297,（1957）. 11 Cronin, J., B Taylor, S. A., “Measuring Service Quality ： Reexamination and Extension”, Journal of Marketing, 56, 55-68,（1992）.12 Kaiser, H. F.,“Little Jiffy, Mark IV,” Educational and Psychology Measurement, Vol. 34,pp.100-117,（1974）.13 Martilla A.and John C. James, “Importance-Performance Analysis”, Journal of Marketing, Vol.22, 77-79,（1977）.14 Nunnally, J., Psychometric Theory, New York：mcGraw-Hill,（1967）.15 Parasuraman, A., Valarie A.Zeithaml, and Leonard L.Berry,“A Conceptual Mondel of Service Quality and Its Implication for Future Research,”Journal of Marketing, 41-50,（1985）.16 Parasuraman, A., Zeithaml, V. A. and Berry, L. L.,“SERVOUAL：A Multiple-Item Scale for Measuring Consumer Perceptions of Service Quality,” Journal of Marketing, Vol. 64, 13-40 ,（1988）.17 Schaffer, M and Paul E Green “Cluster-based Market Segmentation: Some Further Comparisons of Alternative Approaches,” Market Research Society Jouranl of the Market Research Society, Vol.40, April, 155-163,（1998）